Opis kursu - Uniwersytet Gdański

Opis kursu
Nazwa kursu
Eksploracyjna i konfirmacyjna analiza czynnikowa
Wykładowca
Roman Konarski, Uniwersytet Gdański
Typ kursu
Wykład / warsztaty (ćwiczenia)
Liczba godzin
20 x 45 min
Liczba punktów ECTS
2 pkt
Język wykładowy
Polski
Wymagania wstępne
1. Kurs podstaw statystyki psychologicznej/edukacyjnej
2. Kurs podstaw pomiaru psychologicznego/edukacyjnego
3. Podstawowa znajomość pakietu SPSS
Skrócony opis kursu
To jest kurs wprowadzający do analizy czynnikowej. Celem kursu jest
przedstawienie założeń oraz zastosowania analizy głównych
składowych oraz eksploracyjnej i konfirmacyjnej analizy czynnikowe. Po
zakończeniu kursu studenci będą także posiadali umiejętność
samodzielnego przeprowadzenia analizy czynnikowej z pakietem SPSS
i Mplus
Szczegółowy plan oraz kolejność poruszonych tematów:
Pełny opis kursu
Efekty kształcenia
Wiedza
1. Analiza głównych składowych (PCA)
PCA jako metoda redukcji danych
Definicja i właściwości głównych składowych
PCA a analiza czynnikowa
2. Eksploracyjna analiza czynnikowa (EFA)
Pojęcie czynnika wspólnego i czynników swoistych
Założenia analizy czynnikowej
Metody wyodrębniana czynników wspólnych
Metody rotacji rozwiązania czynnikowego
Zastosowanie EFA
Ograniczenia EFA
3. Konfirmacyjna analiza czynnikowa (CFA)
Eksploracyjna a konfirmacyjna analiza czynnikowa
Specyfikacja modelu CFA i implikowana struktura kowariancji
Identyfikacja modelu CFA
Wprowadzenie do pakietu Mplus
Modele pomiarowe formułowane w ramach CFA
CFA dla danych dyskretnych
Analiza CFA w kilku grupach
Analiza danych hierarchicznych
Strategie raportowania wyników analizy
Proszę wymienić efekty kształcenia w kategoriach; wiedzy, umiejętności,
kompetencji społecznych
Student ma pogłębioną i uporządkowaną wiedzę na temat analizy
głównych składowych oraz eksploracyjnej i konfirmacyjnej analizy
czynnikowej. Student będzie znał różnicę między eksploracyjną a
konfirmacyjną analizą czynnikową. Będzie znał założenia i ograniczenia
prezentowanych analiz statystycznych. Student będą znał podstawy
algebraiczne analizy głównych składowych i analizy czynnikowej oraz
terminologię używaną w analizie głównych składowych i analizie
Strona 1 z 2
czynnikowej. Student będzie wiedział, w jakich warunkach dana analiza
lub model statystyczny jest najbardziej odpowiedni.
Umiejętności
Student będzie posiadał umiejętność samodzielnego przeprowadzenia,
interpretacji i raportowania wyników analizy głównych składowych i
eksploracyjnej analizy czynnikowej z programem SPSS oraz
konfirmacyjnej analizy czynnikowej z programem Mplus.
Student posiada umiejętność współpracy, porozumiewania się i
prowadzenia dyskursu naukowego w zakresie doboru odpowiednich
Kompetencje społeczne
metod statystycznych oraz komunikowania uzyskanych wyników i
formułowania wniosków.
IBM SPSS 15.0 (lub nowsza wersja)
Stosowane pakiety
statystyczne
Mplus 6.11(lub nowsza wersja): bezpłatna wersja „demo” do uzyskania z
witryny http://www.statmodel.com
Organizacja kursu
Dzień 1
2x45min+15min przerwy+2x45min+15min przerwy+2x45min (6 godz.)
Dzień 2
2x45min+15min przerwy+2x45min+30min przerwy+2x45min+15min
przerwy+2x45min (8 godz.)
Dzień 3
2x45min+15min przerwy+2x45min+15min przerwy+2x45min (6 godz.)
Warunki zaliczenia
Zaliczenie nastąpi na podstawie oceny raportu z wykonania zadania
polegającego na zastosowaniu i opisie wyników analizy czynnikowej.
Oceniana będzie poprawności zastosowania, wykonania i prezentacji
analiz zgodnie ze szczegółowymi wytycznymi ustalonymi przez
prowadzącego.
Wymagana
1. Brown, T. A. (2006). Confirmatory Factor Analysis for Applied
Research. New York: The Guilford Press.
2. Dunteman, G. H. (1989). Principal Components Analysis. Newbury
Park, CA: Sage.
3. Fabrigar, L. R., Wegener, D. T., MacCallum, R. C., & Strahan, E.
(1999). Evaluating the use of exploratory factor analysis in psychological
research. Psychological Methods, 4(3), 272-299.
4. Kim, J-O., Mueller, C. W. (1978). Factor Analysis: Statistical Methods
and Practical Issues. Newbury Park, CA: Sage.
5. Preacher, K. J., & MacCallum, R. C. (2003). Reporting Tom Swift's
electric factor analysis machine. Understanding Statistics, 2(1), 13-43.
Dodatkowa
1. Konarski. R. (2009). Modele równań strukturalnych. Teoria i praktyka
(Roz. 3, 5, 7-9, 10.2). Warszawa: PWN.
Literatura
Strona 2 z 2